നമ്മൾ തെറ്റിച്ചാലും AI വ്യാകരണം തെറ്റിക്കില്ല; കാരണമറിയാമോ?

എഐയുടെ ഏറ്റവും വലിയ സവിശേഷതകളിലൊന്ന് നമ്മുടെ സംഭാഷണവും അതിനുള്ള എഐയുടെ മറുപടിയും ഒരേ ഭാഷയിലും ശൈലിയിലുമായിരിക്കുമെന്നതാണ്. കൂടുതൽ മികവും ചാരുതയും എഐ ഭാഷയ്ക്കാണെന്നു വേണമെങ്കിൽ പറയാം. ഇതു  സാധ്യമാക്കുന്ന സംവിധാനമാണു നാച്വറൽ ലാം​ഗ്വേജ്  പ്രോസസിങ് അഥവാ എൻഎൽപി. 1980കളിൽ എഐ സാങ്കേതികവിദ്യയെ ഏറെ മുന്നോട്ടുനയിച്ച മേഖലകളിലൊന്നാണിത്. 

1960കളിലെ എലിസ (ELIZA) പോലുള്ള ആദ്യകാല എൻഎൽപി സംവിധാനങ്ങൾക്കു വളരെ ലളിതമായ സംഭാഷണങ്ങൾ മാത്രമേ കൈകാര്യം ചെയ്യാൻ കഴിയുമായിരുന്നുള്ളൂ. എന്നാൽ 1980കളിൽ കഴിവുകൾ കൂടുതൽ വികസിച്ചു.1982ൽ, കാർണഗീ മെലോൺ യൂണിവേഴ്‌സിറ്റിയുടെ എൻഎൽപി ഗ്രൂപ്പ് ഹിയർസേ- 2 സംവിധാനം വികസിപ്പിച്ചെടുത്തു. ഇതിന് 1,000 വാക്കുകളിൽ കൂടുതൽ പദാവലി ഉപയോഗിച്ച് തുടർച്ചയായ സംഭാഷണം കൈകാര്യം ചെയ്യാൻ കഴിയും. ഐബിഎം 1986ൽ അവതരിപ്പിച്ച ടാംഗോറയ്ക്ക് 20,000 വാക്കുകളടങ്ങിയ പദാവലി കൈകാര്യം ചെയ്യാൻ കഴിയുമായിരുന്നു. നമ്മൾ തെറ്റിച്ചാലും എഐ വ്യാകരണം തെറ്റിക്കാത്തതിനു പിന്നിലും കാരണമുണ്ട്. ഭാഷാ വിവർത്തനത്തിനായി എൽഎൽപി വിപുലമായ വ്യാകരണ വിശകലനമാണ് നടത്തിയത്. ഇംഗ്ലിഷ് ഉൾപ്പെടെയുള്ള ഭാഷകളുടെ വ്യാകരണ പഠനത്തിനായി കാർണഗീ മെലോണിലെയും ഐബിഎം റിസർച്ചിലെയും  സംഘങ്ങൾ സഹകരിച്ച് പ്രവർത്തിച്ചു. കാർണഗീയുടെ  നോളജ് ക്രാഫ്റ്റ് സോഫ്റ്റ്‌വെയർ പോലുള്ള  സംവിധാനങ്ങൾ എൻഎൽപിക്ക് സ്വാഭാവിക ഭാഷാരൂപം നൽകി. 

എന്താണ് എൻഎൽപി ?

മനുഷ്യന്റെ ഭാഷ മനസ്സിലാക്കാനും വ്യാഖ്യാനിക്കാനും സൃഷ്ടിക്കാനും കമ്പ്യൂട്ടറുകളെ പ്രാപ്തമാക്കുന്ന കൃത്രിമ ബുദ്ധിയുടെ ഒരു മേഖലയാണ് നാച്വറൽ ലാംഗ്വേജ് പ്രോസസിങ് അഥവാ എൻഎൽപി. മനുഷ്യരും കപ്യൂട്ടറും തമ്മിലുള്ള ആശയവിനിമയത്തെ കൂടുതൽ സ്വാഭാവികമാക്കുന്നതിന് മനുഷ്യന്റെ സംഭാഷണം തിരിച്ചറിയുന്നതും ഭാഷാ വിവർത്തനം നടത്തുന്നതും വാചകങ്ങൾ വിശകലനം ചെയ്യുന്നതിനുമുള്ള കഴിവുകൾ കംപ്യൂട്ടറിനു പകർന്നു നൽകുന്നത് എൻഎൽപിയാണ്. 

ഹോപ്പ്ഫീൽഡ് നെറ്റ് 

1980കളിൽ പ്രചാരത്തിലായ ഒരുതരം കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കാണിത്. ഉള്ളടക്കം എന്താണെന്നു മനസ്സിലാക്കാൻ ശേഷിയുള്ള മെമ്മറി സംവിധാനം എന്നിതിനെ വിശേഷിപ്പിക്കാം. ന്യൂറൽ നെറ്റ്‌വർക്കുകൾക്ക് എങ്ങനെ ഓർമകൾ സൂക്ഷിക്കാൻ കഴിയുമെന്ന് ഹോപ്പ്ഫീൽഡ് നെറ്റ് കാണിച്ചുതന്നു. 

ബാക്ക്‌ പ്രൊപഗേഷൻ

കൃത്രിമ ന്യൂറൽ നെറ്റ്‍വർക്കുകളെ പരിശീലിപ്പിക്കാൻ ഉപയോ​ഗിക്കുന്ന ആൽ​ഗരിതമാണിത്. 1970കളിൽ ആദ്യമായി അവതരിപ്പിക്കപ്പെട്ട  ബാക്ക്‌ പ്രൊപഗേഷൻ 1980കളിലാണ് ജനപ്രീതി നേടിയത്. ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ പരിശീലിപ്പിക്കുന്നതിന് ഇത് ഇന്നും ഉപയോ​ഗിക്കുന്നു. വസ്തുക്കൾ തിരിച്ചറിയാനും ഭാഷാ വിവർത്തനം പോലുള്ള സങ്കീർണമായ പ്രവൃത്തനങ്ങൾ നടത്താനും എഐ മോഡലുകളെ പരിശീലിപ്പിക്കാനാണ് ഇതുപയോ​ഗിക്കുന്നത്.

Content Highlight : AI grammar | Natural Language Processing (NLP) | Artificial neural networks | Back propagation | Language translation